一种地址信息生成方法和装置制造方法及图纸

本发明专利技术公开了地址信息生成方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：获取线上对象需求数据和线下地理环境数据；利用聚类算法分别对所述线上对象需求数据和所述线下地理环境数据进行聚合，以获得初始的聚集数据点；根据所述初始的聚集数据点，确定最终聚集数据点。该实施方式能够解决现有技术中线下门店选取的地址不准确，效率低的问题。

A Method and Device for Generating Address Information

【技术实现步骤摘要】
一种地址信息生成方法和装置
本专利技术涉及计算机
，尤其涉及一种地址信息生成方法和装置。
技术介绍
随着电子商务技术的发展，大型电商企业积累了大量技术实力，同时以相对低廉的价格和快捷方便的服务受到了广大消费者的喜爱，并积累了大量线上数据。但线下门店也有其不可比拟的优势，对于一些商品价格低、购买频次高或者日常急需的商品，消费者更青睐于在线下门店进行购买，能在节省运费的同时，更快的获取所需的商品。对于电商企业而言，通过前期积累的大量线下数据，通过选址技术，开发线下体验店，增加了商品的销售渠道，填补了部分物品线上销售量低的空白，同时，对于品牌传播，也有非常重要的意义。门店的选址是电商企业开拓线下智能门店面临的首要问题，如果选址不恰当，将引起管理成本过高、客流量不充足等问题。电商企业可以利用已经积累的大量线上数据，通过商品的需求地理分布，结合地理环境数据，选择需求较为集中、人流密集且交通方便的区域，进行线下智能门店的选址。在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：目前电商企业的选址主要有两类主流技术：一是通过收集地理环境数据(线下数据)，预估线下智能门店开业后可能的日均营业额(日均人流量*入店率*客单价),再减去相应的运营成本，通过收益最大化的原则进行选址。一是采用电商企业以往的线上数据，通过线上数预估日均营业额，再通过收益最大化的原则进行选址。但是，单纯的线上数据或者下线数据都没有完整的反应消费者需求：仅利用线下数据，无法利用电商企业已积累的线上数据优势，后续当电商将线上流程整合至线下时可能会出现线下经营的“水土不服”。仅利用线上数据，因线上数据不可能完整的记录所有相关地理环境数据，因此可能导致选取的门店并不符合线下需求。
技术实现思路
有鉴于此，本专利技术实施例提供一种地址信息生成方法和装置，可以解决现有技术中线下门店选取的地址不准确，效率低的问题。为实现上述目的，根据本专利技术实施例的一个方面，提供了一种地址信息生成方法，包括获取线上对象需求数据和线下地理环境数据；利用聚类算法分别对所述线上对象需求数据和所述线下地理环境数据进行聚合，以获得初始的聚集数据点；根据所述初始的聚集数据点，确定最终聚集数据点。可选地，所述根据所述初始聚集数据点，确定最终聚集数据点，包括：计算线上对象需求数据点与初始的聚集数据点的距离，以确定所述线上对象需求数据点的分类；以及计算线下地理环境需求数据点与聚集数据点的距离，以确定所述线下地理环境需求数据点的分类；其中，线上对象需求数据包括线上对象需求数据点；根据线上对象需求数据点分类和线下地理环境需求数据点分类，以获取最终聚集数据点。可选地，计算线上对象需求数据点与初始的聚集数据点的距离，以确定所述线上对象需求数据点的分类，包括：计算每个线上对象需求数据点与初始的聚集数据点的距离；根据所述距离，计算加权距离，以确定与线上对象需求数据点距离最近的聚集数据点作为所述线上对象需求数据点的分类；另外，计算线下地理环境需求数据点与聚集数据点的距离，以确定所述线下地理环境需求数据点的分类，包括：计算每个线下地理环境需求数据点与初始的聚集数据点的距离；根据所述距离，计算加权距离，以确定与线下地理环境需求数据点距离最近的聚集数据点作为所述线下地理环境需求数据点的分类。可选地，所述根据线上对象需求数据点分类和线下地理环境需求数据点分类，以获取最终聚集数据点，包括：对于每个线上对象需求数据点分类的位置信息，计算预设半径以内的所有线上对象需求数据点的质心；同样，对于每一个线下地理环境需求数据点分类的位置信息，计算预设半径以内的所有线下地理环境需求数据点的质心；根据所有线上对象需求数据点的质心和所有线下地理环境需求数据点的质心，以获取最终聚集数据点。可选地，根据线上对象需求数据点分类和线下地理环境需求数据点分类，迭代更新聚集数据点直至达到预设条件，以获取最终聚集数据点。可选地，根据线上对象需求数据点分类和线下地理环境需求数据点分类，迭代更新聚集数据点，包括：对于每个线上对象需求数据点分类的位置信息，计算预设半径以内的所有线上对象需求数据点的质心A1′(xa1′,ya1′)、B1′(xb1′,yb1′)、C1′(xc1′,yc1′)、D1′(xd1′,yd1′)……；同样，对于每一个线下地理环境需求数据点分类的位置信息，计算预设半径以内的所有线下地理环境需求数据点的质心A1″(xa1″,ya1″)、B1″(xb1″,yb1″)、C1″(xc1″,yc1″)、D1″(xd1″,yd1″)……；确定下一轮迭代的聚集数据点：N1(x,y)＝[N′1(x′n1,y′n1)+β×N″1(x″n1,y″n1)]÷2其中：N∈{A,B,C,D……}β＞1时：线下地理环境需求数据点的影响大于线上对象需求数据点的影响；β＜1时：线下地理环境需求数据点的影响小于线上对象需求数据点的影响；β＝1时：线下地理环境需求数据点的影响等于线上对象需求数据点的影响。可选地，所述预设条件为：更新后聚集数据点与更新前聚集数据点的距离小于误差距离，或者循环次数大于或等于设定的循环最大次数阈值。可选地，所述聚类算法采用k-means聚类算法。另外，根据本专利技术实施例的一个方面，提供了一种地址信息生成装置，包括获取模块，用于获取线上对象需求数据和线下地理环境数据；计算模块，用于利用聚类算法分别对所述线上对象需求数据和所述线下地理环境数据进行聚合，以获得初始的聚集数据点；选取模块，用于根据所述初始的聚集数据点，确定最终聚集数据点。可选地，所述选取模块根据所述初始聚集数据点，确定最终聚集数据点，包括：计算线上对象需求数据点与初始的聚集数据点的距离，以确定所述线上对象需求数据点的分类；以及计算线下地理环境需求数据点与聚集数据点的距离，以确定所述线下地理环境需求数据点的分类；其中，线上对象需求数据包括线上对象需求数据点；根据线上对象需求数据点分类和线下地理环境需求数据点分类，以获取最终聚集数据点。可选地，所述选取模块计算线上对象需求数据点与初始的聚集数据点的距离，以确定所述线上对象需求数据点的分类，包括：计算每个线上对象需求数据点与初始的聚集数据点的距离；根据所述距离，计算加权距离，以确定与线上对象需求数据点距离最近的聚集数据点作为所述线上对象需求数据点的分类；另外，所述计算模块计算线下地理环境需求数据点与初始的聚集数据点的距离，以确定所述线下地理环境需求数据点的分类，包括：计算每个线下地理环境需求数据点与初始的聚集数据点的距离；根据所述距离，计算加权距离，以确定与线下地理环境需求数据点距离最近的聚集数据点作为所述线下地理环境需求数据点的分类。可选地，所述选取模块根据线上对象需求数据点分类和线下地理环境需求数据点分类，以获取最终聚集数据点，包括：对于每个线上对象需求数据点分类的位置信息，计算预设半径以内的所有线上对象需求数据点的质心；同样，对于每一个线下地理环境需求数据点分类的位置信息，计算预设半径以内的所有线下地理环境需求数据点的质心；根据所有线上对象需求数据点的质心和所有线下地理环境需求数据点的质心，以获取最终聚集数据点。可选地，所述选取模块根据线上对象需求数据点分类和线下地理环境需求数据点分类，迭代更新聚集数据点直至达到预设条件，以本文档来自技高网...

【技术保护点】
1.一种地址信息生成方法，其特征在于，包括：获取线上对象需求数据和线下地理环境数据；利用聚类算法分别对所述线上对象需求数据和所述线下地理环境数据进行聚合，以获得初始的聚集数据点；根据所述初始的聚集数据点，确定最终聚集数据点。

【技术特征摘要】
1.一种地址信息生成方法，其特征在于，包括：获取线上对象需求数据和线下地理环境数据；利用聚类算法分别对所述线上对象需求数据和所述线下地理环境数据进行聚合，以获得初始的聚集数据点；根据所述初始的聚集数据点，确定最终聚集数据点。2.根据权利要求1所述的方法，其特征在于，所述根据所述初始聚集数据点，确定最终聚集数据点，包括：计算线上对象需求数据点与初始的聚集数据点的距离，以确定所述线上对象需求数据点的分类；以及计算线下地理环境需求数据点与聚集数据点的距离，以确定所述线下地理环境需求数据点的分类；其中，线上对象需求数据包括线上对象需求数据点；根据线上对象需求数据点分类和线下地理环境需求数据点分类，以获取最终聚集数据点。3.根据权利要求2所述的方法，其特征在于，计算线上对象需求数据点与初始的聚集数据点的距离，以确定所述线上对象需求数据点的分类，包括：计算每个线上对象需求数据点与初始的聚集数据点的距离；根据所述距离，计算加权距离，以确定与线上对象需求数据点距离最近的聚集数据点作为所述线上对象需求数据点的分类；另外，计算线下地理环境需求数据点与聚集数据点的距离，以确定所述线下地理环境需求数据点的分类，包括：计算每个线下地理环境需求数据点与初始的聚集数据点的距离；根据所述距离，计算加权距离，以确定与线下地理环境需求数据点距离最近的聚集数据点作为所述线下地理环境需求数据点的分类。4.根据权利要求2所述的方法，其特征在于，所述根据线上对象需求数据点分类和线下地理环境需求数据点分类，以获取最终聚集数据点，包括：对于每个线上对象需求数据点分类的位置信息，计算预设半径以内的所有线上对象需求数据点的质心；同样，对于每一个线下地理环境需求数据点分类的位置信息，计算预设半径以内的所有线下地理环境需求数据点的质心；根据所有线上对象需求数据点的质心和所有线下地理环境需求数据点的质心，以获取最终聚集数据点。5.根据权利要求2所述的方法，其特征在于，根据线上对象需求数据点分类和线下地理环境需求数据点分类，迭代更新聚集数据点直至达到预设条件，以获取最终聚集数据点。6.根据权利要求5所述的方法，其特征在于，根据线上对象需求数据点分类和线下地理环境需求数据点分类，迭代更新聚集数据点，包括：对于每个线上对象需求数据点分类的位置信息，计算预设半径以内的所有线上对象需求数据点的质心A1′(xa1′,ya1′)、B1′(xb1′,yb1′)、C1′(xc1′,yc1′)、D1′(xd1′,yd1′)……；同样，对于每一个线下地理环境需求数据点分类的位置信息，计算预设半径以内的所有线下地理环境需求数据点的质心A1″(xa1″,ya1″)、B1″(xb1″,yb1″)、C1″(xc1″,yc1″)、D1″(xd1″,yd1″)……；确定下一轮迭代的聚集数据点：N1(x,y)＝[N′1(x′n1,y′n1)+β×N″1(x″n1,y″n1)]÷2其中：N∈{A,B,C,D……}β＞1时：线下地理环境需求数据点的影响大于线上对象需求数据点的影响；β＜1时：线下地理环境需求数据点的影响小于线上对象需求数据点的影响；β＝1时：线下地理环境需求数据点的影响等于线上对象需求数据点的影响。7.根据权利要求5所述的方法，其特征在于，所述预设条件为：更新后聚集数据点与更新前聚集数据点的距离小于误差距离，或者循环次数大于或等于设定的循环最大次数阈值。8.根据权利要求1-7任一所述的方法，其特征在于，所述聚类算法采用k-means聚类算法。9.一种地址信息生成装置，其特征在于，包括：获取模块，用于获取线上对象需求数据和线下地理环境数据；计算模块，用于利用聚类算法分别对所述线上对象需求数据和所述线下地理环境数据进行聚合，以获得初始的聚集数据点；选取模块，用于根据所述...

【专利技术属性】
技术研发人员：郑晓琳，徐沛，何海泉，梁晓飞，李永华，王喜春，平安生，刘龙飞，肖勇，张泽南，于泷，杨高强，孙志涛，尹雪梅，姜波，王铭江，
申请(专利权)人：北京京东尚科信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京,11